論文の概要: Architecture Without Architects: How AI Coding Agents Shape Software Architecture

• arxiv url: http://arxiv.org/abs/2604.04990v1
• Date: Sun, 05 Apr 2026 07:32:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-08 17:42:09.387681
• Title: Architecture Without Architects: How AI Coding Agents Shape Software Architecture
• Title（参考訳）: アーキテクトのいないアーキテクチャ - AIコーディングエージェントがソフトウェアアーキテクチャを形作る方法
• Abstract要約: そこで本研究では,自然構造型プロンプト機能を必要なインフラストラクチャにマッピングするための,6つのプロンプト-アーキテクチャ結合パターンを提案する。 私たちは、意図的な設計ではなく、プロンプトによって形作られたこの現象を表現し、これらの隠れた決定をガバナンスの下にもたらすためのレビュープラクティス、意思決定記録、ツールの概要を述べます。
• 参考スコア（独自算出の注目度）: 0.6299766708197881
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: AI coding agents select frameworks, scaffold infrastructure, and wire integrations, often in seconds. These are architectural decisions, yet almost no one reviews them as such. We identify five mechanisms by which agents make implicit architectural choices and propose six prompt-architecture coupling patterns that map natural-language prompt features to the infrastructure they require. The patterns range from contingent couplings (structured output validation) that may weaken as models improve to fundamental ones (tool-call orchestration) that persist regardless of model capability. An illustrative demonstration confirms that prompt wording alone produces structurally different systems for the same task. We term the phenomenon vibe architecting, architecture shaped by prompts rather than deliberate design, and outline review practices, decision records, and tooling to bring these hidden decisions under governance.
• Abstract（参考訳）: AIコーディングエージェントは、フレームワーク、足場インフラストラクチャ、ワイヤインテグレーションを、多くの場合、数秒で選択する。 これらはアーキテクチャ上の決定ですが、ほとんど誰もそれをレビューしていません。 エージェントが暗黙的なアーキテクチャ選択を行うための5つのメカニズムを特定し、自然言語のプロンプト機能を必要なインフラストラクチャにマッピングする6つのプロンプト-アーキテクチャ結合パターンを提案する。 パターンは、モデルが改善するにつれて弱まる可能性がある連続結合(構造化出力検証)から、モデル能力に関係なく持続する基本結合(ツールコールオーケストレーション)まで様々である。 図示的なデモンストレーションでは、即興の言葉だけで同じタスクに対して構造的に異なるシステムを生成することが確認されている。 私たちは、意図的な設計ではなく、プロンプトによって形作られたこの現象を表現し、これらの隠れた決定をガバナンスの下にもたらすためのレビュープラクティス、意思決定記録、ツールの概要を述べます。

関連論文リスト

• Agentic Designer: Progressive Multi-Agent Collaboration for Structure-Aware Interior Layout Generation [84.5255199507027]
  Agentic Designerは、構造を意識した内部レイアウト生成を反復的かつ制約的に検証された決定プロセスとして定式化する、プログレッシブなフレームワークである。 提案、検証、合成、調整のモジュールステージにレイアウトを分解することで、フレームワークは3つの特殊エージェント、ジェネレータ、評価器、精錬器を協調する。 この機構は、各配置がコミットされる前に段階的に幾何的検証と補正を行い、エラーの蓄積を防止する。
  論文  参考訳（メタデータ） (2026-07-23T02:46:11Z)
• Bridging Requirements and Architecture: Multi-Agent Orchestration with External Knowledge and Hierarchical Memory [37.071260774880884]
  我々は,4つの専門エージェントを編成し,アーキテクチャのブループリントを属性とする知識駆動型フレームワークであるMAAD(Multi-Agent Architecture Design)を提案する。 我々はMAADがベースラインよりも完全でモジュラーでトレーサブルなアーキテクチャを生成することを示し、その専用評価エージェントは構造化された品質評価レポートを自律的に作成する。
  論文  参考訳（メタデータ） (2026-05-31T18:18:31Z)
• A Pattern Language for Resilient Visual Agents [69.08074737002393]
  本稿では、高速で決定論的な反射を遅い確率論的監視から切り離す視覚エージェントのためのアーキテクチャパターン言語を提案する。 設計パターンは,(1)ハイブリッド・アクダクタンス・インテグレーション,(2)適応型ビジュアル・アンコリング,(3)視覚階層合成,(4)セマンティック・シーン・グラフの4つから構成される。
  論文  参考訳（メタデータ） (2026-04-30T15:24:26Z)
• Architectural Design Decisions in AI Agent Harnesses [1.8222732878503212]
  本稿では,70件の公開エージェントシステムプロジェクトについて,プロトコル誘導型,ソースベースによる実証研究を行った。 5つの設計次元(サブエージェントアーキテクチャ、コンテキスト管理、ツールシステム、安全機構、オーケストレーション)を特定し、コーパスがファイルパーシスタント、ハイブリッド、階層的コンテキスト戦略を好んでいることを確認する。 軽量ツール,バランスのとれたCLIフレームワーク,マルチエージェントオーケストレータ,エンタープライズシステム,シナリオ仮想化プロジェクトなど,5つの繰り返し発生するアーキテクチャパターンを合成する。
  論文  参考訳（メタデータ） (2026-04-20T10:39:34Z)
• Unified Architecture Metamodel of Information Systems Developed by Generative AI [0.0]
  本研究では,中小企業が選択したアーキテクチャフレームワークに基づいたLLM指向アプリケーションのための統一アーキテクチャ構築の課題について検討する。 いくつかの重要なアーキテクチャ図をカバーし、変換のクローズドサイクルをサポートするフレームワーク構造が提案されている。 実験では、アーキテクチャ図の形式で構造化されたアーキテクチャコンテキストを使用する場合、生成されたドキュメントとコードの安定した品質を実証した。
  論文  参考訳（メタデータ） (2026-03-31T19:22:15Z)
• A Two-Dimensional Framework for AI Agent Design Patterns: Cognitive Function and Execution Topology [54.72352855252792]
  本研究では,認知関数軸を7つのカテゴリ,実行位相軸を6つの構造的アーチタイプと組み合わせた2次元分類を提案する。 その結果得られた7x6行列は、27の名前付きパターン、13のオリジナルネームを識別し、AIエージェントアーキテクチャ設計のための原則付き、フレームワークニュートラル、モデルに依存しない語彙を提供する。
  論文  参考訳（メタデータ） (2026-03-16T04:01:01Z)
• Architecture-Aware Multi-Design Generation for Repository-Level Feature Addition [53.50448142467294]
  RAIMは、リポジトリレベルの機能追加のための、多設計およびアーキテクチャ対応のフレームワークである。 複数の多様な実装設計を生成することで、線形パッチから切り離される。 NoCode-bench Verifiedデータセットの実験では、RAIMが新しい最先端のパフォーマンスを確立することが示されている。
  論文  参考訳（メタデータ） (2026-03-02T12:50:40Z)
• Agentic Design Patterns: A System-Theoretic Framework [8.108572809924956]
  エージェント設計パターンに対する既存の取り組みは、厳密なシステム理論の基礎を欠いていることが多い。 本稿では,エージェントAIシステムを5つのコアに分解し,機能的サブシステムと相互作用する新しいシステム理論フレームワークを提案する。 エージェント設計における繰り返し問題に対する再利用可能な構造的解決策を提供する12のエージェント設計パターンのコレクションを提示する。
  論文  参考訳（メタデータ） (2026-01-27T16:14:08Z)
• Neurosymbolic Architectural Reasoning: Towards Formal Analysis through Neural Software Architecture Inference [4.023600998747813]
  これらのアーキテクチャに対する後続のシンボリック推論のために、形式的アーキテクチャ定義を持つという問題を解決するために、ニューラルアーキテクチャ推論の概要を述べる。 本稿では,本手法が一般にどのように機能するかを論じ,対処すべき6つの総合的な研究課題を概説する。
  論文  参考訳（メタデータ） (2025-03-20T15:56:54Z)
• Pangu-Agent: A Fine-Tunable Generalist Agent with Structured Reasoning [50.47568731994238]
  人工知能(AI)エージェント作成の鍵となる方法は強化学習(RL)である 本稿では,構造化推論をAIエージェントのポリシーに統合し,学習するための一般的なフレームワークモデルを提案する。
  論文  参考訳（メタデータ） (2023-12-22T17:57:57Z)
• Towards Responsible Generative AI: A Reference Architecture for Designing Foundation Model based Agents [28.406492378232695]
  ファンデーションモデルに基づくエージェントは、ファンデーションモデルの能力から自律性を引き出す。 本稿では,基礎モデルに基づくエージェントの設計におけるガイダンスとして機能するパターン指向参照アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-11-22T04:21:47Z)
• Enhancing Architecture Frameworks by Including Modern Stakeholders and their Views/Viewpoints [48.87872564630711]
  データサイエンスと機械学習に関連する関心事、例えばデータサイエンティストやデータエンジニアの利害関係者は、まだ既存のアーキテクチャフレームワークには含まれていない。 10か国25以上の組織から61名の被験者を対象に調査を行った。
  論文  参考訳（メタデータ） (2023-08-09T21:54:34Z)
• A Compositional Approach to Creating Architecture Frameworks with an Application to Distributed AI Systems [16.690434072032176]
  構成的思考が複雑なシステムのためのアーキテクチャフレームワークの作成と管理のルールをいかに提供できるかを示す。 論文の目的は、AIシステム特有の視点やアーキテクチャモデルを提供することではなく、既存の、または新しく作成された視点で一貫したフレームワークを構築する方法についてのガイドラインを提供することである。
  論文  参考訳（メタデータ） (2022-12-27T18:05:02Z)
• Federated Learning with Heterogeneous Architectures using Graph HyperNetworks [154.60662664160333]
  パラメータ共有にグラフハイパーネットワークを採用することにより、異種クライアントアーキテクチャに対応する新しいFLフレームワークを提案する。 既存のソリューションとは異なり、当社のフレームワークは、クライアントが同じアーキテクチャタイプを共有することを制限せず、外部データも使用せず、クライアントがモデルアーキテクチャを公開する必要もありません。
  論文  参考訳（メタデータ） (2022-01-20T21:36:25Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。